[发明专利]一种局部放电信号模式识别方法及系统

权利要求书

1.一种局部放电信号模式识别方法，其特征在于包括以下步骤：

步骤1、获取GIS设备局部放电信号的大数据样本；

步骤2、构建深度卷积神经网络模型；

步骤3、基于GIS设备局部放电信号的大数据样本训练深度卷积神经网络模型；

步骤4、基于经训练的所述深度卷积神经网络模型确定待识别的GIS设备局部放电信号的模式；

所述GIS设备局部放电信号的大数据样本的来源包括局部放电模拟实验、变电站现场检测以及典型干扰实验中的一种或多种的组合；GIS设备局部放电信号的大数据样本包括至少800组样本数据；所述数据格式为PRPS数据；

所述GIS设备局部放电信号的大数据样本是通过大数据样本获取装置及GIS设备局部放电信号检测通道获取的，该GIS设备局部放电信号检测通道包括UHF传感器、UHF放大器、耦合电容、测量阻抗和局放仪放大器，所述UHF传感器位于GIS腔体上并通过UHF放大器与示波器、IEC60270局放仪和PD便携检测装置相连接；

所述步骤3的具体实现包括：构建自编码器模型，基于所述GIS设备局部放电信号的大数据样本对所述自编码器模型进行无监督训练，并利用所述自编码器模型所得的模型参数初始化所述深度卷积神经网络模型的卷积层初始参数；利用BP算法和随机梯度下降法对所述深度卷积神经网络模型的参数进行迭代更新，得到最优化参数。

2.根据权利要求1所述的局部放电信号模式识别方法，其特征在于：所述深度卷积神经网络模型至少包括1个输入层、第一卷积层及对应的第一池化层、第二卷积层及对应的第二池化层、第一全连接层、第二全连接层以及1个输出分类层。

3.根据权利要求2所述的局部放电信号模式识别方法，其特征在于：所述第一卷积层至少包括6个3×3的卷积核；所述第二卷积层至少包括36个3×3的卷积核；所述第一池化层的参数为2，所述第二池化层的参数为11，采用最大池化操作；所述第一全连接层的神经元个数至少为36；所述第二全连接层的神经元个数至少为25；所述输入层被配置为适于PRPS格式数据输入；所述输出分类层采用Softmax分类器。